基于DM642的运动目标检测系统设计与实现

2019-08-02 16:21发布

引言
  数字视频系统在智能交通、图像识别以及安防监控等领域,都得到了广泛的应用,运动目标检测作为数字视频系统的一个重要环节,是后续目标识别、目标跟踪等应用的基础。本文提出了一个基于DM642的实时运动目标检测系统方案,依靠DM642芯片强大的运算能力,使目标检测的数据吞吐量及实时性得到保证。本方案设计合理、可扩展性强,具有实际应用价值。
  1 运动目标检测算法
  实现运动目标检测的算法很多,一般有光流法、背景差分法、相邻帧间差分法等。光流法通过求解光流方程来实现运动检测,其算法复杂、计算量大,且较难满足实时要求;而相邻帧间差分法虽然算法简单、运算量小,但抗干扰能力很差,检测效果不太理想;而背景差分法算法简单、运算量小、且抗干扰能力强,因此本文采用该方法实现运动目标检测。具体步骤如下:首先获取数字图像进行预处理,之后采用背景差分法实现运动检测,再对所得的图像用大津法进行自适应阀值分割,最后通过滤波得到检测出的运动目标。图1是本文运动目标检测的流程图。

友情提示: 此问题已得到解决,问题已经关闭,关闭后问题禁止继续编辑,回答。
7条回答
biechedan
2019-08-02 23:08
 基于以上的分析,本文采用改进的方法,如果大津法获取的阀值小于10,则说明没有物体运动,否则说明有物体运动,当阀值小于10时,按照下式进行二值化处理
f(x,y,tk)=0 当TR<10
  即当没有物体运动时,获取的二值化图像应为全黑,这样后续的形态学处理只需对有物体运动时的二值化图像进行处理即可。图2分别为无物体运动时直接二值化和采用改进方法二值化后的结果。其中a)为直接采用大津法获取的阀值分割没有物体运动时的差分图像的结果,可以看出图中布满噪声;b)为对大津法获取的阀值进行判断后,没有物体运动时的差分图像分割的结果,可以看出此时图像为全黑,也即没有运动物体,这与实际情况相符,简化了后续的形态学处理。

一周热门 更多>